AI 产品
AI推理新基准发布：使用未披露游戏拼图测试能力
一项新的“游戏拼图”基准已被推出，旨在测试AI在推理密集型任务上的表现。该基准类似于Chess Puzzles基准，但使用来自另一个未披露游戏的拼图。目前，Opus 5模型在该基准上取得了59%的最高分。
多来源证据
事件时间线
- Twitter/X AI List我们推出了一个新的“游戏拼图”基准，类似于我们的Chess Puzzles基准，但使用来自不同、未披露游戏的拼图。这帮助我们测试AI
AI 产品
一项新的“游戏拼图”基准已被推出，旨在测试AI在推理密集型任务上的表现。该基准类似于Chess Puzzles基准，但使用来自另一个未披露游戏的拼图。目前，Opus 5模型在该基准上取得了59%的最高分。